基于神经网络的活动星系核 X 射线光谱分析
高能天体物理现象
2022-06-22 v1
摘要
我们探索了利用机器学习直接从活动星系核(AGN)X 射线光谱估计物理参数的可能性,而无需进行计算代价高昂的光谱拟合。具体而言,我们考虑巡天质量的数据而非长曝光定点观测,以确保该方法在其最可能被应用的场景下有效。我们模拟了具有温吸收体的 AGN 的 Athena WFI 光谱,并训练简单的神经网络来估计吸收体的电离度和柱密度。我们发现,该方法能够达到与光谱拟合相当的精度,且不存在因拟合陷入伪极小值而导致异常值的风险,同时速度提升约三个数量级。我们还证明,在将输入数据送入神经网络之前使用主成分分析降低数据维度,能够以可忽略的计算成本显著提高参数估计精度,同时允许使用更简单的网络结构。
引用
@article{arxiv.2206.04602,
title = {AGN X-ray Spectroscopy with Neural Networks},
author = {M. L. Parker and M. Lieu and G. A. Matzeu},
journal= {arXiv preprint arXiv:2206.04602},
year = {2022}
}
备注
8 pages, 4 figures, accepted for publication in MNRAS